روش های طراحی رفتار به وسیله ی تکنولوژی

دوستان خوب سکان آکادمی سلام، امیدوارم خوب و در مسیر پیشرفت باشید. در  مجموعه مقاله های قوانین UX به زبان ساده، به چگونگی استفاده از روانشناسی برای ساختن محصولات و تجربیات قابل درک و بصری تر و انسان محور نگاه کردیم. ما بعضی از اصول کلیدی از روانشناسی که میتونه به عنوان راهنمای طراحی مطابق رفتار حقیقی کاربرها استفاده بشه و از وادار کردن اون ها به انطباق با فناوری دوری کنه رو شناسایی و بررسی کردیم.

این دانش میتونه برای طراح ها خیلی قدرتمند باشه، اما قدرت با خودش مسئولیت میاره. استفاده از بینش‌ های روان‌ شناسی رفتاری و شناختی برای کمک به ایجاد طرح‌ های بهتر، ذاتاً اشکالی نداره، اما مهمه پتانسیل موجود در خدمات و محصولات که باعث تضعیف اهداف و مقاصد کاربرهامون میشن رو در نظر بگیریم. چرا مسئولیت‌ پذیری در ایجاد محصولات و خدمات ضروریه و اینکه چطور  می ‌تونیم سرعتمون رو کاهش بدیم و هدفمندتر باشیم.

فناوری چگونه رفتار را شکل می دهد؟

اولین قدم در تصمیم گیری طراحی مسئولانه تر، شناخت و درک راه هاییه که ذهن انسان، مستعد پذیرش تکنولوژی متقاعد کننده (Persuasive Technology) و فهم چگونگی شکل گیری رفتارهاست. تعدادی مطالعه، با نگاهی اجمالی به مبانی شکل دهی رفتار پرداختن اما احتمالا هیچکدوم به اندازه ی مطالعات B. F. Skinner، (روانشناس، رفتارشناس، نویسنده، مخترع و فیلسوف اجتماعی آمریکایی) پرقدرت و بنیادی نیستن.

اسکینر طی فرایندی که عنوانش رو «شرطی‌سازی عامل» گذاشت، مطالعه کرد که چطور میشه رفتارها رو با ایجاد ارتباط بین یک رفتار خاص و یک پیامد یاد گرفت و اصلاح کرد. اسکینر با استفاده از یک ماشین آزمایشگاهی که بعدها به اسم خودش نامگذاری شد، بررسی کرد که چطور میشه رفتار حیوانات رو با آموزش انجام اعمال دلخواه توی یک محیط ایزوله، شکل داد. (تصویر1). اولین آزمایشات اسکینر شامل قرار دادن یک موش صحرایی گرسنه در محفظه و مشاهده ی اون بود تا متوجه رابطه ی بین توزیع گلوله ی غذایی توسط اهرم داخل محفظه بشه و این رابطه رو یاد بگیره. بدین صورت هر بار موش داخل محفظه قرار می گرفت به سمت اهرم می رفت و این یک نشانی واضح از اینه که چطور  تقویت مثبت (Positive reinforcement) باعث افزایش تکرار رفتار میشه. اسکینر تقویت منفی (Negative reinforcement) رو هم با قرار دادن موش داخل محفظه در معرض جریان الکتریکی ناخوشایند آزمایش کرد و مثل دفعه ی قبل، موش یاد گرفت که با رفتن مستقیم به سمت اهرم مرتبط به جریان و فشار دادن اون، جریان الکتریکی رو قطع کنه.

اسکینر بعداً کشف کرد که الگوهای تقویتی متفاوت، بر سرعت و فرکانس انجام رفتار مورد نظر حیوانات تأثیر میذاره. برای مثال، موش‌ هایی که با هر بار  فشار اهرم، غذا دریافت می‌کردن، فقط زمانی که گرسنه می‌ شدن، اهرم رو فشار می‌دادن و موش‌هایی که به‌ندرت پاداش دریافت می‌کردن، فشار دادن اهرم رو به ‌کلی متوقف کردن. در مقابل، موش‌هایی که با الگوهای غیرقابل پیش‌بینی غذا دریافت می‌کردن، مکرراً اهرم رو فشار می‌ دادن و این کار رو بدون تقویت (Reinforcement) برای طولانی‌ ترین زمان ادامه می ‌دادن. به عبارت دیگه، رفتار موش‌ ها میتونه به‌ طور مؤثر با تقویت اون توی زمان ‌های متغیر شکل بگیره، برخلاف هر بار یا به اندازه ی کافی. تقویت بیش از حد یا خیلی کم منجر به از دست دادن علاقه ی حیوانات شد، اما تقویت تصادفی منجر به رفتار تکانشی و مکرر شد.

در عصر حاضر ما آگاهیم که تحقیقات اسکینر فراتر از جعبه ی ایزوله ای، که به اسم او نامگذاری شده به کار گرفته شده، برای مثال میشه اون رو در سوژه های انسانی در کازینوها مشاهده کرد، جایی که دستگاه های اسلاتی (Slot Machine) شرایط شرطی سازی عامل رو کامل کردن. اسلات ماشین ها نمونه ای عالی از جعبه ی اسکینر امروزی هستن، قماربازها برای کشیدن یک اهرم پول میدن و گاهی برای انجام این کار پاداش دریافت می‌کنن. Natasha Dow Schüll در کتابش با عنوان “Addiction by design” به بررسی دنیای قمار به کمک ماشین پرداخته و توضیح میده که ماشین های اسلات چطور برای مجذوب کردن افراد به حالت «بهره وری مستمر» به منظور استخراج حداکثر ارزش از طریق یک حلقه‌ ی بازخورد مداوم، طراحی شدن. علاوه بر این، فعالیت اون ها اغلب در یک سیستم داده ثبت میشه که برای هر بازیکن یک پروفایل ریسک ایجاد می کنه، احتمالا براتون سوال شد که پروفال ریسک چیه؟ پروفایل ریسک ارزیابی تمایل و توانایی فرد برای ریسک کردنه. این پروفایل به طور کلی عاملیه از:

• ظرفیت ریسک
• تحمل ریسک
• ریسکی که برای دستیابی به اهداف مالی برنامه ریزی شده ی خود باید انجام بده

پس این پروفایل به ناظران کازینو اطلاع میده که چقدر می تونن ضرر کنن و همچنان احساس رضایت کنن. وقتی بازیکنی به «نقطه ی درد» محاسبه ‌شده الگوریتمی خود نزدیک میشه، کازینوها اغلب یک «سفیر شانس» (luck ambassador) رو برای تکمیل قدرت نگهداری دستگاه اسلات، با توزیع کوپن ‌های غذا، بلیط‌ های نمایش، کوپن ‌های قمار و سایر مشوق‌ ها ارسال می‌کنن. این یک حلقه ی پاسخ محرک هست که برای نگه داشتن افراد در مقابل دستگاه‌ ها، کشیدن مداوم اهرم‌ها و خرج کردن پول در حین ردیابی به منظور به حداکثر رسوندن زمان در دستگاه، بهینه شده. تصویر2

محصولات و خدمات دیجیتالی هم به استفاده از روش‌های مختلف با هدف شکل‌دهی به رفتار انسان معروفن و ما می ‌تونیم نمونه‌ هایی رو در خیلی از اپلیکیشن ‌هایی که هر روز استفاده می‌ کنیم، ببینیم. همه چیز، از موندن شما توی یک سایت تا زمانی که ممکنه به تشویق شما برای خرید یا وسوسه کردن شما برای به اشتراک گذاری محتوا ختم بشه، رفتاریه که میتونه از طریق تقویت (reinforcement) توی زمان مناسب شکل بگیره. بیایید بعضی از روش‌ های متداول‌ تری که فناوری برای شکل دادن به رفتار، چه خواسته یا ناخواسته، به کار می‌گیره رو، دقیق تر بررسی کنیم.

پاداش های متغیر متناوب (INTERMITTENT VARIABLE REWARDS)

اسکینر نشون داد که تقویت تصادفی توی یک برنامه ی متغیر مؤثرترین راه برای تأثیرگذاری بر رفتار هست. پلتفرم‌ های دیجیتال هم می‌ تونن رفتار رو از طریق استفاده از پاداش‌ های متغیر شکل بدن و این موضوع، هر بار که موبایلمون رو برای اعلان ‌ها بررسی می‌کنیم، یک صفحه رو scroll می‌ کنیم یا برای آپدیت محتوا صفحه ی موبایل رو به سمت پایین می‌کشیم (pull to refresh)، اتفاق میفته. نتایج، مشابه چیزیه که اسکینر  مشاهده کرد: مطالعات نشون میده به طور متوسط، افراد ​​با گوشی هوشمندشون بیش از 2500 بار در روز و گاهی تا 5400 بار تعامل دارن که به میزان 2 تا 4 ساعت در روز هست. 

بیایید به یک مثال خاص که پاداش‌ های متغیر رو نشون میده، نگاه کنیم: pull to refresh (تصویر3). این الگوی تعامل متداول توسط خیلی از برنامه‌ های تلفن همراه برای فعال کردن بارگیری محتوای جدید با کشیدن صفحه به سمت پایین استفاده میشه (مثل اینستاگرام، توئیتر، لینکدین و...). برای دیدن شباهت‌های بین این دستگاه و ماشین اسلات نیازی به تخیل نیست، نه تنها در تعامل فیزیکی، حتی در متغیر «پاداش» که ایجاد میکنه.

حلقه های بی نهایت (INFINITE LOOPS)

حلقه‌ های بی‌ نهایت مثل پخش خودکار  ویدیوها و فیدهای پیمایش بی‌نهایت برای به حداکثر رسوندن زمان در سایت، با حذف اصطکاک طراحی شدن. بدون نیاز به تصمیم آگاهانه ی کاربر برای بارگیری محتوای بیشتر یا پخش ویدیوی بعدی، شرکت ها می تونن مطمئن بشن که مصرف غیر ارادی (Passive consumption) دون وقفه در سایت ها یا برنامه های اون ها ادامه داره. تبلیغات معمولاً با محتوا ترکیب میشن، بنابراین زمان بیشتر در سایت، به معنای مشاهده ی بیشتر تبلیغات هست، مدلی که به طور قابل توجهی در ایجاد درآمد، مؤثرتر از نمایش تبلیغات ثابت است.

تصدیق اجتماعی (SOCIAL AFFIRMATION)

ما انسان ها ذاتا موجوداتی اجتماعی هستیم. انگیزه برای برآوردن نیازهای اصلی ما برای احساس ارزشمندی و یکپارچگی به زندگی ما در رسانه های اجتماعی گسترش پیدا میکنه، جایی که ما به دنبال پاداش های اجتماعی هستیم. هر «لایک» یا نظر مثبتی که در مورد محتوایی که آنلاین ارسال می کنیم دریافت می کنیم، به طور موقت تمایل ما به تأیید و تعلق رو برآورده میکنه. چنین تأیید اجتماعی یک غذای جانبی از دوپامین رو ارائه میده، ماده ی شیمیایی تولید شده توسط مغز ما که نقش کلیدی در ایجاد انگیزه ی رفتار ایفا میکنه.

پیش فرض ها (Defults)

تنظیمات پیش فرض در مورد معماری انتخاب اهمیت دارن چون اکثر مردم هرگز اون ها رو تغییر نمیدن. بنابراین این تنظیمات قدرت فوق‌ العاده‌ای برای تصمیم‌گیری دارن، حتی زمانی که مردم از تصمیمی که براشون گرفته میشه بی خبرن. برای مثال، یک مطالعه توی سال 2011 نشون داد که تنظیمات حریم خصوصی پیش‌فرض فیس‌ بوک تنها در 37 درصد مواقع با انتظارات کاربران مطابقت داره و منجر به این شد که محتوا و اطلاعات شخصی اون ها برای افراد بیشتری از  چیزی که انتظار داشتن قابل مشاهده باشه. با وجود این عدم تطابق بالقوه، مطالعات نشون میده که گزینه‌ های پیش‌فرض، اغلب افراد رو به پذیرش منطقی و رد گزینه‌ های جایگزین هدایت میکنه.

عدم اصطکاک (LACK OF FRICTION) 

راه دیگه برای شکل دادن به رفتار کاربر  با محصولات و خدمات دیجیتال اینه که تا حد ممکن اصطکاک رو حذف کنید، به خصوص اصطکاک در مورد اقداماتی که می خواید کاربر انجام بده. به عبارت دیگه، هرچقدر  انجام یک عمل رو برای کاربر  راحت تر و مناسب تر کنید، احتمال بیشتری وجود داره که افراد اون عمل رو انجام بدن و براشون عادت ایجاد بشه. برای مثال، Button Amazon Dash، دستگاه‌های الکترونیکی کوچکی رو در نظر بگیرید که به مشتریان امکان میدادن محصولات پرکاربرد رو صرفاً با فشار دادن یک دکمه، بدون مراجعه به وب‌سایت یا برنامه آمازون سفارش بدن. دکمه‌ های فیزیکی به نفع نسخه‌های دیجیتالی منسوخ شدن، اما این مثال نشون میده که شرکت‌ ها تا چه حد برای شکل دادن به رفتار کاربر، با تلاش برای حذف هر چه بیشتر موانع پیش میرن.

عمل متقابل (RECIPROCITY)

عمل متقابل، یا تمایل به جبران ژست های دیگران، انگیزه ای قویه که ما به عنوان انسان در  اون سهیم هستیم. این یک هنجار اجتماعیه که ما به عنوان یک گونه به اون اهمیت میدیم و حتی به اون تکیه می کنیم. همچنین یک عامل تعیین‌کننده ی قوی برای رفتار انسانی هست که میشه ازش، عمدی یا غیرعمدی، بهره‌برداری کرد. فناوری میتونه از انگیزه ی ما برای پاسخ دادن به حرکات دیگران استفاده کنه و در نتیجه رفتار ما رو شکل بده. برای مثال، لینکدین رو در نظر بگیرید، وقتی کاربرانی، کاربر دیگه ای رو برای یک مهارت تأیید میکنن، لینکدین به کاربر اطلاع میده.

اغلب اوقات، این امر منجر به این میشه که گیرنده ی تأیید نه تنها ژست رو می‌پذیره، بلکه احساس میکنه موظفه با تأیید خود پاسخ بده. نتیجه ی نهایی، صرف زمان بیشتر در پلتفرم توسط هر دو نفر و سود بیشتر برای لینکدین هست.

الگوهای تاریک (Dark Patterns)

الگوهای تاریک روش دیگه ایه که میشه از فناوری برای تأثیرگذاری بر رفتار استفاده کرد، با وادار کردن افراد به انجام اقداماتی که به خاطر افزایش تعامل قصد انجامش رو نداشتن یا متقاعد کردن کاربران برای انجام کاری که به نفعشون نیست. (خرید بزرگتر، به اشتراک گذاری اطلاعات غیر ضروری، پذیرش ارتباطات بازاریابی و غیره).

متأسفانه، این تکنیک های فریبنده رو می تونیم سراسر اینترنت ببینیم. طی یک مطالعه در سال 2019، محققان دانشگاه پرینستون و دانشگاه شیکاگو حدود 11000 وب سایت خرید رو به دنبال شواهدی از الگوهای تاریک تجزیه و تحلیل کردن. یافته ‌های اون ها نگران‌ کننده بود: محققین 1818 نمونه از الگوهای تیره رو شناسایی کردن، که سایت ‌های محبوب‌ تر در نمونه، احتمال بیشتری داشت که اون ها رو به نمایش بگذارن.

 برای مثال، 6pm.com رو در نظر بگیرید که از الگوی کمبود استفاده میکنه تا نشون بده که مقادیر محدودی از یک محصول در دسترسه و مطلوبیت درک شده ی اون رو افزایش میده. این شرکت این کار رو با نمایش یک پیام، زمان انتخاب گزینه‌ های محصول توسط افراد انجام میده تا همیشه به نظر برسه که کالا در حال اتمامه، نمونه های ایرانی این ترفند رو حتما می تونید مثال بزنید!

این ها تنها بعضی از متداول‌ ترین روش‌ هایی هستن که با استفاده از اون ها میشه از فناوری برای شکل دادن به رفتار، به روش‌ های ظریف استفاده کرد. داده ‌های جمع‌ آوری‌ شده درباره ی  رفتار کاربر  رو میشه برای تنظیم دقیق نحوه ی واکنش یک سیستم به یک کاربر، مورد استفاده قرار داد و این روش ‌ها به طور مداوم از لحاظ پیچیدگی و دقت در حال افزایش هستن، در حالی که سخت ‌افزار روان‌ شناختی که ما به عنوان انسان به اشتراک می‌گذاریم، تغییر چندانی نمیکنه. در حال حاضر، بیشتر از هر زمان دیگه ای اهمیت داره که ما طراح ها «اصول اخلاقیِ تأثیرگذاری بر رفتار» رو در نظر بگیریم.

در مقاله ی بعدی قراره به موضوع جذاب اخلاق در طراحی بپردازیم. ممنون که با من همراه بودید. خوشحال میشم دیدگاهتون رو با من به اشتراک بگذارید.

برقرار باشید.